基于移动传感器信息的建筑热环境预测方法研究

With the continuous development of energy-saving technology in green buildings, various new ways of environmental regulation and control have emerged in recent years, including temperature and humidity independent control air conditioning, new fan coil unit, radiation terminal and so on. The emergence of these technologies and products has promoted the transformation from traditional air-conditioning mode to distributed terminal regulation in building indoor environment control and building load handling, thus improving the performance of the system. Thermal comfort and building energy efficiency also bring challenges such as load distribution and complex regulation. This project aims at providing full-space thermal environment information. Based on the concept of contribution rate of indoor heat source formation, the parameters of flow field and temperature field are extracted from numerical computational fluid dynamics (CFD), and the discontinuous data of time and space in residential area height collected by mobile sensor acquisition system are used to develop real-time, fast and high-accuracy indoor temperature prediction. Distributed intelligent algorithm, building a mobile sensor integrated test platform, through experiments to verify the algorithm, error assessment and optimization design, provides a new way for indoor environment control.

随着绿色建筑节能技术的不断发展，近年来涌现出包括温湿度独立控制空调、新式风机盘管、辐射末端等各种新型环境调控形式，这些技术和产品的出现，在建筑室内环境控制和建筑负荷处理方面，促进了由传统的空气调节方式向分布式末端调节的转化，从而提高舒适性和建筑能效，同时也带来负荷分配、调控复杂等挑战。本项目针对这一难点，以提供全空间热环境信息为目标，基于室内热源形成贡献率的概念思想，从数值计算流体力学CFD中提取流场和温度场参数，利用移动传感器采集系统收集的居住区高度内的时间、空间不连续数据，开发可以实时、快速、高准确度预测室内温度分布的智能算法，搭建移动传感器综合测试平台，通过实验对算法进行检验、误差评估和优化设计，为室内环境的调控提供全新的手段。

非均匀热环境营造技术的发展为室内热舒适和建筑节能降耗提供了良好的平衡，也因此备受关注。为了非均匀室内热环境实时控制与调节，及时获取实时的室内温度分布是基础。传统的CFD方法存在模拟时间长、计算负荷大及动态边界条件未知等诸多限制，难以应用于实际工程。因此，本项目在前人研究的基础上，提出了将移动传感器温度采集和室内环境形成贡献率（Contribution Ratio of Indoor climate, CRI）相结合的预测算法，可快速获取详细的室内温度分布结果。同时，针对该算法的基本构成进行了两个方面的优化研究。一是构建了CRI的完整体系并开展任意送风参数条件下CRI的动态分布研究；二是研究了移动传感器采集特征及采集位置对预测精度的影响，从而在工程应用层面快速指导移动传感器的最优采集位置确定。.主要成果如下：.（1）完成了室内环境形成贡献率CRI的完整体系构建；从基本前提、定义和计算方法出发，对CRI进行全面系统的论述，并第一次补充了其数学意义。.（2）通过插值POD方法获取不同送风参数条件下CRI的动态分布，发现CRI分布会根据送风参数条件的改变而产生明显变化，同一房间内不同位置的气流组织复杂度也会对结果产生较大影响。.（3）开展了移动传感器和CRI相结合的温度分布预测研究，区别于传统的固定传感器，移动传感器在采集位置、采集数量和后期维护成本等方面存在显著优势，为此本文研究了移动传感器代替固定传感器进行温度预测的有效性。.（4）开展了室内温度分布测试实验，为稳态条件下室内温度分布计算方法的后续研究提供真实数据支持，并验证模拟方法及模拟结果的正确性。.（5）研究了移动传感器采集位置与预测精度的关系。由于移动传感器采集的数据量较多而所需代入计算的数据有限，如何选取最优数据/位置成为亟待解决的问题。从移动传感器和预测算法的特性出发，依照移动路径、送回风口和气流组织三个方面建立大量组别，计算不同分组下的预测精度差异，确定气流组织和结果间的强相关性，并对此深入研究，总结出最优位置的选取规律。